随着全球气候变化加剧，干旱事件的频率和严重性日益攀升，对农业生产、水资源管理乃至社会稳定构成了严峻挑战。回顾近年，从南美洲的严重缺水到非洲之角的持续旱情，干旱已导致数百万人面临粮食危机和流离失所的困境。这些现实凸显了精准、全面的全球干旱监测数据的迫切需求。然而，现有的区域性或全球性干旱监测系统，如美国的干旱监测器（U.S. Drought Monitor）或全球干旱信息系统（GDIS），往往存在局限：它们或侧重于特定区域，缺乏全球视野；或偏重实时监测，历史数据档案不完整；亦或在整合多变量时采用预设权重，可能无法灵活适应全球复杂多变的环境。这些不足催生了对一种更稳健、更全面的干旱评估新方法和新数据集的需求。在此背景下，东京大学土木工程系的Sneha Kulkarni和Yohei Sawada研究团队在《Scientific Data》上发表了他们的研究成果，推出了名为“近全球综合干旱监测（NEC-DROMO）”的新数据集。这项研究旨在填补上述空白，通过集成关键的农业和气候变量，提供一个能够客观反映全球干旱状况的长期、高分辨率数据产品。为了构建NEC-DROMO，研究人员采用了多项关键技术。数据集的核心输入变量包括两个农业指标——土壤湿度（SM）和植被水含量（VWC），以及两个气候指标——降雨和温度。其中，SM和VWC数据源自日本宇宙航空研究开发机构（JAXA）提供的生态水文土地再分析（ECHLA）数据集，该数据集通过耦合土地和植被数据同化系统（CLVDAS）融合了AMSR-E和AMSR-2卫星的微波观测数据。温度数据同样来自ECHLA。降雨数据则采用了欧洲中期天气预报中心（ECMWF）的ERA5再分析数据集。所有数据统一至0.25度空间分辨率和月尺度时间分辨率，覆盖2002年至2021年。研究的关键创新在于利用主成分分析（PCA）这一客观的统计方法来确定各变量在综合干旱指标（CDI）中的权重。PCA能够根据每个变量在特定时空尺度上的贡献动态分配权重，从而最小化变量间的冗余，确保指标的信息量和稳健性。背景与摘要研究指出，粮食不安全和水资源短缺是后2020年代面临的严峻挑战，而日益频繁的严重干旱加剧了其影响。现有的区域和全球干旱监测系统存在局限性，如历史数据不完整、区域特异性强或变量权重主观。NEC-DROMO数据集应运而生，它整合了SM、VWC、降雨和温度四个关键变量，利用PCA方法构建CDI，提供了2002-2021年月尺度、近全球覆盖的干旱监测数据。该数据集的优势在于首次在干旱监测中系统性地引入了VWC这一直接反映植被水分胁迫的指标，并采用PCA进行客观加权，增强了干旱评估的准确性。方法研究方法详细阐述了数据来源和处理流程。SM数据通过对ECHLA提供的五个土壤层（0-5 cm, 5-15 cm, 15-45 cm, 45-105 cm, 105-195 cm）湿度值进行平均，得到一个综合的土壤湿度层。VWC作为单层数据集直接使用，因其能直接量化植被冠层内的水分，比NDVI等传统植被指数更能直接指示水分胁迫。所有变量均通过Z-score方法标准化为相应的指数：标准化降水指数（SPI）、标准化土壤湿度指数（SSI）、标准化温度指数（STI）和标准化植被水含量指数（SVWCI）。随后，对每个网格单元和每个日历月（如所有1月份的数据）分别进行PCA分析，提取第一主成分（PC1）的特征向量值，将其平方后作为各变量的权重，最终通过加权求和计算得到每月的CDI值。这种方法生成了48张权重图（12个月×4个变量），反映了权重随季节和区域的变化。数据记录NEC-DROMO数据集已在Zenodo仓库公开提供，格式为TIFF文件。数据覆盖全球无雪覆盖的陆地地区（纬度-90.0°至90.0°，经度-180.0°至180.0°），空间分辨率0.25度，时间跨度为2002年1月至2021年12月。CDI值为标准化指数，负值表示干旱条件，正值表示湿润条件。干旱严重程度分类遵循McKee等人提出的SPI公约：轻度干旱（0至-0.99）、中度干旱（-1.0至-1.49）、严重干旱（-1.5至-1.99）和极端干旱（≤-2.0）。技术验证研究对NEC-DROMO进行了多方面的验证。首先，通过案例研究展示了NEC-DROMO成功识别了全球多个历史干旱事件，如2015年非洲之角干旱、2009年澳大利亚东部干旱、2020年南美洲干旱等，其空间模式与已有研究报道高度一致。其次，与全球灾害数据库（GDIS）进行事件比对验证。在2002-2021年GDIS记录的1923次干旱事件中，NEC-DROMO在精确匹配事件时间段的情况下成功检测到1737次（探测概率POD为0.903）；当将验证时间范围放宽至GDIS事件开始前一个月时，检测到的事件数增至1813次（POD为0.943）。作为对比，单一的SPI指数在相同条件下的探测概率分别为0.859（精确匹配）和0.909（提前一月），NDVI为0.871和0.918，SSI为0.868和0.926。这表明NEC-DROMO在检测与社会经济影响相关的干旱事件方面优于传统单一指数。此外，与基于CHIRPS数据的SPI比较也显示，NEC-DROMO由于整合了农业气候因素，能更有效地捕捉干旱事件。使用说明文章详细说明了NEC-DROMO的应用注意事项。由于采用PCA加权，指标在不同地区和季节具有动态特性。例如，在热带地区雨季，降雨权重较高；在干旱半干旱区，温度权重突出；而在高植被覆盖区，VWC全年都具有重要贡献。图5展示了7月份全球各变量的权重分布，清晰反映了这种地理和季节性差异。尽管降雨和土壤湿度密切相关，但PCA有效区分了它们的贡献。需要注意的是，由于数据为月分辨率，NEC-DROMO可能无法完全捕捉快速发展的“骤旱”（flash drought）。该数据集可广泛应用于农业规划（如作物选择、灌溉安排）、水资源管理、保险业风险评估、粮食安全监测以及长期气候变化趋势和复合事件（如干旱加热浪）研究。未来改进方向包括集成水文变量如GRACE MASCON反演的地下水异常等，以提供更全面的水文干旱视角。数据与代码可用性NEC-DROMO数据集、输入数据、CDI权重以及用于计算权重的Python代码（v3.9.12）均在Zenodo仓库（https://doi.org/10.5281/zenodo.17163894）公开，方便用户下载和使用。综上所述，Kulkarni和Sawada的研究开发的NEC-DROMO数据集，通过创新性地集成VWC和运用PCA客观加权，显著提升了全球农业气候干旱监测的能力。其长期的、高分辨率的、经过严格验证的数据记录，为科学家、政策制定者、资源管理者和相关行业提供了宝贵的工具，有助于更好地理解干旱机制、评估风险、制定缓解策略，最终增强全球社会对干旱这一日益严峻的自然灾害的抵御能力。这项工作不仅是干旱监测方法学上的重要进步，也是开放科学促进有效决策的一个典范。
